翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。 # プロジェクトのリソースを表示する プロジェクトを作成したら、Amazon SageMaker Studio Classic でプロジェクトに関連付けられているリソースを表示できます。 ------ #### [ Studio ] 1. 「[Launch Amazon SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html)」の手順に従って、SageMaker Studio コンソールを開きます。 1. 左側のナビゲーションペインで、**[デプロイ]**、**[プロジェクト]** の順に選択します。 1. 詳細を表示するプロジェクトの名前をダブルクリックします。プロジェクトの詳細を表示するタブが開きます。 プロジェクト詳細ページで、以下のエンティティを表示して、プロジェクトに関連付けられたエンティティに対応する次のタブのいずれかを開くことができます。 + リポジトリ: このプロジェクトに関連付けられているコードリポジトリ (リポ)。プロジェクトを作成する際に SageMaker AI 提供のテンプレートを使用すると、 AWS CodeCommit リポジトリまたはサードパーティーの Git リポジトリが作成されます。CodeCommit の詳細については、[「 とは AWS CodeCommit](https://docs.aws.amazon.com/codecommit/latest/userguide/welcome.html)」を参照してください。 + パイプライン: データの準備、モデルのトレーニング、デプロイの手順を定義する SageMaker AI ML パイプライン。SageMaker AI ML パイプラインの詳細については、「[Pipelines のアクション](pipelines-build.md)」を参照してください。 + 実験: プロジェクトに関連付けられた 1 つ以上の Amazon SageMaker Autopilot 実験。Autopilot の詳細については、「[SageMaker Autopilot](autopilot-automate-model-development.md)」を参照してください。 + モデルグループ: プロジェクトのパイプラインの実行によって作成されたモデルバージョンのグループ。モデルグループの詳細については、「[モデルグループを作成する](model-registry-model-group.md)」を参照してください。 + エンドポイント: リアルタイム推論のためにデプロイされたモデルをホストする SageMaker AI エンドポイント。モデルバージョンが承認されると、エンドポイントにデプロイされます。 + タグ: プロジェクトに関連付けられているすべてのタグ。タグの詳細については、「*AWS 全般のリファレンス*」の「[Tagging AWS resources](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html)」を参照してください。 + メタデータ: プロジェクトに関連付けられたメタデータ。これには、使用するテンプレートとバージョン、およびテンプレートの起動パスなどがあります。 ------ #### [ Studio Classic ] 1. Studio Classic にサインインします。詳細については、「[Amazon SageMaker AI ドメインの概要](gs-studio-onboard.md)」を参照してください。 1. Studio Classic サイドバーで、**[ホーム]** アイコン ( ![](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/studio/icons/house.png)) をクリックします。 1. メニューから **[デプロイ]** を選択し、**[プロジェクト]** を選択します。 1. 詳細を表示するプロジェクトの名前をダブルクリックします。 プロジェクトの詳細を示すタブが表示されます。 製品の詳細タブでは、プロジェクトに関連付けられている以下のエンティティを表示できます。 + リポジトリ: このプロジェクトに関連付けられているコードリポジトリ (リポ)。プロジェクトを作成する際に SageMaker AI 提供のテンプレートを使用すると、 AWS CodeCommit リポジトリまたはサードパーティーの Git リポジトリが作成されます。CodeCommit の詳細については、[「 とは AWS CodeCommit](https://docs.aws.amazon.com/codecommit/latest/userguide/welcome.html)」を参照してください。 + パイプライン: データの準備、モデルのトレーニング、デプロイの手順を定義する SageMaker AI ML パイプライン。SageMaker AI ML パイプラインの詳細については、「[Pipelines のアクション](pipelines-build.md)」を参照してください。 + 実験: プロジェクトに関連付けられた 1 つ以上の Amazon SageMaker Autopilot 実験。Autopilot の詳細については、「[SageMaker Autopilot](autopilot-automate-model-development.md)」を参照してください。 + モデルグループ: プロジェクトのパイプラインの実行によって作成されたモデルバージョンのグループ。モデルグループの詳細については、「[モデルグループを作成する](model-registry-model-group.md)」を参照してください。 + エンドポイント: リアルタイム推論のためにデプロイされたモデルをホストする SageMaker AI エンドポイント。モデルバージョンが承認されると、エンドポイントにデプロイされます。 + 設定: プロジェクトの設定。プロジェクトの名前と説明、プロジェクトテンプレートと `SourceModelPackageGroupName` に関する情報、プロジェクトに関するメタデータなどがあります。 ------